遥感技术在城市发展规划中的预测结果与分析

以2008年和2011年东莞市解译的土地资源分类图作为初始状态，利用神经网络代替转换规则，训练神经网络获取模型参数，基于神经网络的CA模型模拟东莞市2011年的用地类型(图7.50)，进一步预测2015年和2020年的居住用地和工业用地分布(图7.51)，为城市规划提供重要的参考。对比2011年遥感分类中获取的土地资源与模拟的土地资源，验证模型的有效性。研究模拟的混淆矩阵(表7.4)总精度为74.55%，模拟结果比较合理。

图7.50　2011年东莞市SPOT解译及CA模拟结果整体对比

图7.51　2015年和2020年东莞市CA预测结果

表7.4　神经网络CA模型模拟混淆矩阵

预测结果表明，东莞市城镇居民地面积将持续增加，工业用地和农村居民地面积持续下降。统计2011年、2015年和2020年东莞市轨道交通R2沿线500m缓冲区范围内的土地类型变化，见表7.5、表7.6。(www.xing528.com)

表7.5　2011年、2015年和2020年东莞市R2沿线500m缓冲区土地资源统计

表7.6　2011—2015年和2015—2020年东莞市整体与R2沿线500m缓冲区土地资源变化率

统计结果表明，轨道交通R2沿线500m缓冲区内城镇居民地面积将持续增加，工业用地和农村居民地面积持续下降，但其变化幅度均大于东莞市整体变化幅度。反映出轨道交通的规划与建设强烈吸引城镇居民地，而明显排斥农村居民地和工业用地。

总的来说，东莞交通系统的发展和革新引导着东莞城市体系和个体的用地布局，促使城市形态发生变化。东莞市的道路交通系统同时承担着城市生长轴线的功能，是镇区间交流的重要通道。东莞市呈现一种轴线式的发展趋势，使得东莞的内聚力沿交通线辐射出来，引导东莞新的用地结构的改变。